Publicación: Modelo predictivo para generar una alerta temprana en el reingreso de adultos a las unidades de cuidados intensivos del Hospital Pablo Tobón Uribe
Portada
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: Los reingresos hospitalarios son eventos frecuentes, no programables y potencialmente prevenibles que, debido a la alta morbi-mortalidad que trae asociado cada reingreso, se han convertido un objeto de estudio muy importante durante los últimos años. En las unidades de cuidados intensivos (UCI) de Estados Unidos, las tasas típicas de reingreso oscilan entre el 1,2 % y el 14,5 % de las altas. En Colombia, los principales problemas asociados a los reingresos de UCI son los altos costos de atender una readmisión por el agravamiento o por una mayor severidad de la enfermedad que el paciente ya tenía, otro problema son las malas decisiones que toman algunos médicos o especialistas a la hora de dar el alta a un paciente en UCI, disminuyendo la eficiencia del centro de salud. En el presente trabajo se busca desarrollar un modelo predictivo que genere una alerta temprana en el reingreso de personas adultas en la unidad de cuidados intensivos. Para lograrlo, se utilizaron distintas herramientas de manejo de base de datos y análisis de datos con las cuales se realizaron diferentes modelos con algoritmos de aprendizaje automático encontrados en la literatura y, se entrenaron y validaron con datos suministrados por el Hospital Pablo Tobón Uribe (HPTU) de Medellín. Con el desarrollo de este proyecto se obtuvo un modelo predictivo con un puntaje de accuracy global de 0.74 y un valor AUC de 0.74 que brinda información importante a los médicos y especialistas a la hora de la toma de decisiones en una UCI, generando una alerta en pacientes propensos a tener un reingreso en caso de ser dados de alta.
Resumen en inglés
ABSTRACT: Hospital readmissions are frequent, unscheduled, and potentially preventable events that, due to the high morbidity and mortality associated with each readmission, have become an important subject of study in recent years. In Intensive Care Units (ICUs) in the United States, typical readmission rates range between 1.2% and 14.5% of discharges. In Colombia, the key issues associated with ICU readmissions are the excessive costs of treating a readmission due to the worsening or greater severity of the patient’s pre-existing condition. Another issue is the poor decisions made by doctors or specialists when discharging a patient from the ICU, thereby reducing the efficiency of the healthcare facility. The present work seeks to develop a predictive model that generates an early warning in the readmission of adults to the intensive care unit. To achieve this, different database management and data analysis tools were used to create different models with machine learning algorithms found in the literature and were trained and validated with data provided by Hospital Pablo Tobón Uribe (HPTU) in Medellin. With the development of this project, we obtained a predictive model with a global accuracy of 0.74 and an AUC of 0.74 that offers information to physicians and specialists in ICU decision making, generating an alert for patients prone to readmission if they are discharged.